Tải bản đầy đủ - 0 (trang)
Bảng 2.1 . So sánh giải thuật tiến hoá cơ bản và giải thuật chọn lọc nhân bản

Bảng 2.1 . So sánh giải thuật tiến hoá cơ bản và giải thuật chọn lọc nhân bản

Tải bản đầy đủ - 0trang

Chương 2. Cơ sở lý thuyết



Ở bảng trên, giải thuâ ̣t cho ̣n lo ̣c nhân bản đươ ̣c so sánh với giải thuâ ̣t tiế n hóa cơ

bản. Cầ n chú ý rằ ng, những điểm khác biê ̣t nằ m chủ yế u ở ki ̃ thuâ ̣t đươ ̣c sử du ̣ng.

Trong các thuâ ̣t toán cho ̣n lo ̣c nhân bản, cơ chế để cho ̣n kháng thể phù hơ ̣p dựa trên ái

lực với kháng nguyên. Theo đó, các cơ chế cho ̣n lo ̣c truyề n thố ng đươ ̣c sử du ̣ng trong

tin

́ h toán tiế n hóa, ví như cho ̣n lo ̣c cân bằng hoă ̣c cho ̣n lo ̣c ca ̣nh tranh sẽ dễ dàng áp

du ̣ng trong các giải thuâ ̣t cho ̣n lo ̣c nhân bản. Trong thuâ ̣t toán tiế n hóa, xác suấ t để mô ̣t

cá thể đươ ̣c cho ̣n đươ ̣c xác đinh

̣ dựa trên đô ̣ phù hơ ̣p của nó, và tương ứng với ái lực

giữa kháng thể , kháng nguyên trong chọn lọc nhân bản.

Mô ̣t vài phiên bản của các giải thuâ ̣t cho ̣n lo ̣c nhân bản đươ ̣c đề ra bởi Castro và

Von Zuben (2000) và de Castro (2003) và đươ ̣c sử du ̣ng để nhâ ̣n da ̣ng mẫu và viê ̣c tố i

ưu hàm đa mô hiǹ h, đươ ̣c mô tả như sau:

clonAlg():

1.



Cho ̣n ngẫu nhiên mô ̣t kháng nguyên Agj và trình diê ̣n nó với tấ t cả các



kháng thể trong AB (repertoire)

2. Xác đinh

̣ vector fj chứa tấ t cả các ái lực giữa kháng nguyên Agj và toàn bô ̣

kháng thể trong AB.

3. Cho ̣n ra n kháng thể với ái lực cao nhấ t, ta ̣o nên tâ ̣p Abj{n} ái lực cao ứng

với kháng nguyên Agj

4. Nhân bản n kháng thể đươ ̣c cho ̣n mô ̣t cách đô ̣c lâ ̣p và cân xứng với ái lực

kháng nguyên của chúng, ta ̣o ra mô ̣t tập các bản sao Cj các bản sao: ái lực càng

cao, thì số bản sao đươ ̣c phát sinh của kháng thể đó càng nhiề u.

5.



Cj trải qua quá trin

̀ h trưởng thành ái lực, biế n đổ i các kháng thể tỉ lê ̣



nghich

̣ với ái lực kháng nguyên của chúng để ta ̣o ra quầ n thể các bản sao

trưởng thành theo nguyên tắc ái lực càng cao, biế n đổ i càng it́



29



Chương 2. Cơ sở lý thuyết



6.



Xác đinh

̣ ái lực fj* của các bản sao trưởng thành Cj* ứng với kháng



nguyên Agj

7.



Tái cho ̣n lo ̣c cá thể có ái lực cao nhấ t (trong tâ ̣p Cj*) ứng với kháng



nguyên Agj để trở thành phầ n tử của tâ ̣p kháng thể ghi nhớ (Ab{m}). Nế u ái

lực hướng kháng nguyên Agj của kháng thể này lớn hơn kháng thể ghi nhớ

tương ứng Ab, Abj* sẽ thay thế Ab.

8.



Cuố i cùng, thay những kháng nguyên có ái lực nhỏ nhấ t trong tâ ̣p Abj{r}



bởi những cá thể mới.

Có các phiên bản khác của giải thuâ ̣t cho ̣n lo ̣c nhân bản, phiên bản áp du ̣ng để

nhâ ̣n da ̣ng mẫu đòi hỏi mô ̣t tâ ̣p các mẫu cầ n nhâ ̣n da ̣ng như đầ u vào, trong khi các

phiên bản cho viê ̣c tố i ưu cầ n mô ̣t hàm đố i tươ ̣ng để tố i ưu.

2.2.3.3 Mạng miễn dịch nhân tạo

Mạng miễn dịch nhân tạo (Artificial Immune System -AiNet) là một trong các mơ

hình tính tốn của AIS đang được quan tâm trong những năm gần đây. Mơ hình Ainet

được lấy cảm hứng từ lý thuyết mạng miễn dịch lần đầu được đề ra bởi Jerne năm 1974

[12]. Mơ hình này được phát triển dựa trên các ý tưởng và khái niệm của 3 lý thuyết:

Lý thuyết mạng miễn dịch, chọn lọc nhân bản và trưởng thành ái lực. Trong đó, vai trò

của mạng miễn dịch nhân tạo nhằm thực hiện việc nén dữ liệu sau khi đã trải qua các

quá trình chọn lọc nhân bản và trưởng thành ái lực. Mơ hình aiNet cấu thành từ một

nhóm các tế bào, còn được gọi là kháng thể, lien kết với nhau bởi các kết nối có cường

độ phù hợp. Các kháng thể đại diễn cho hình ảnh nội mạng của các mẫu đầu vào mà

chúng tiếp xúc. Các kết nối giữa các kháng thể xác định sự tương quan với một mức

độ tương tự lẫn nhau giữa chúng. Các kháng thể càng gần nhau càng tương tự, điều này

dẫn đến một mạng lưới các kháng thể có thể nhận dạng các kháng nguyên với tính tổng

quát linh động điều chỉnh.



30



Chương 2. Cơ sở lý thuyết



AiNet có thể được xem như một mơ hình mạng miễn dịch nhân tạo tiến hố, bởi

vì các chiến lược tiến hố dựa trên các biển đổi và chọn lọc di truyền bên trong một

quần thể các kháng thể được sử dụng để điều khiển tính linh động và mềm dẻo của

mạng. Nhiều nghiên cứu cho thấy aiNet có khả năng phát hiện các giải pháp tối ưu.

Ainet cũng là một hệ thống kết nối, ma trận các cường độ kết nối được xác định để xác

định ái lực giữa các tế bào trong mạng. Giải thuật huấn luyện mạng hướng đến việc

xây dựng một tập nhớ có thể nhận biết tổ chức cấu trúc của dữ liệu huấn luyện.

Mặt khác, ta có thể xem AiNet như là một phiên bản nâng cao hơn của mơ hình

chọn lọc nhân bản. Ở đây, khơng chỉ sự tương tác giữa kháng thể và kháng nguyên

được xem xét mà them bào đó, sự tương tác giữa các kháng thể với nhau cũng được

quan tâm, để xây dựng nên một mạng các khảng thể, loại bỏ các kháng thể dư thừa

nhằm nâng cao tính tổng quát của cả hệ thống.

2.2.4 Các lĩnh vực ứng dụng AIS

2.2.4.1 Điều khiển

Hiện nay, trong các hệ thống điều khiển, đặc biệt là các hệ thống tự động hoá hỗ

trợ cho con người như việc tự động lái xe, điều khiển máy bay tự động, dây chuyền sản

xuất tự động, AIS được sử dụng rộng rãi, kết hợp với các mơ hình tin-sinh học khác

như giải thuật di truyền, mạng nơ-ron nhân tạo để xây dựng nên các hệ thống có khả

năng học được những thao tác phức tạp trong quá trình điều khiển.

2.2.4.2 An ninh máy tính

Trong lĩnh vực an ninh máy tính, việc đồng nhất cơ chế bảo vệ của cơ thể người

với việc bảo vệ sự an toàn của hệ thống máy tính mang đến khả năng ứng dụng nhiều

mơ hình sinh học vào giải quyết bài tốn chống truy cập bất hợp pháp hay phát hiện mã

độc hại. Trong việc vận dụng mơ hình hệ miễn dịch nhân tạo, mỗi kháng thể chính là



31



Chương 2. Cơ sở lý thuyết



các bộ phát hiện có khả năng nhận dạng ra các yếu độ xâm nhập độc hại chính là các

kháng ngun.

2.2.4.3 Tối ưu hóa

Nhiều mơ hình của hệ miễn dịch nhân tạo được vận dụng vào giải quyết bài tốn

tìm lời giải tốn ưu cho các vấn đề khơng thể giải được theo các thông thường. Việc

vận dụng cơ chế tiến hoá quần thể của giải thuật di truyền vào trong các mơ hình hễ

miễn dịch nhân tạo cũng như việc kết hợp mạng nơ-ron nhân tạo giúp xây dựng nên

các mơ hình học có khả năng tăng cương tính hội tụ của thuật toán, sự đa dạng của

quần thể các giải pháp,…

2.2.4.4 Khai phá dữ liệu

Trong lĩnh vực khai phá dữ liệu, nhờ khả năng phân nhỏ dữ liệu để học và phát

sinh nên tập các kháng thể cũng như tính tổng quát cáo của các lời giải được phát sinh,

AIS được áp dụng rộng rãi, cụ thể như phân lớp DNA sinh học, phân tích dữ liệu y

học, thương mại, chuẩn đoán cấu trúc protein



2.3 Mạng nơ-ron nhân tạo

Trong các mơ hình máy học mơ phỏng sinh học, mạng nơ-ron nhân tạo là mơ

hình được sử dụng rộng rãi nhất. Về bản chất, mạng nơ-ron nhân tạo là một mạng lưới

xử lý thông tin được phát triển dựa trên cơ chế hoạt động của hệ thần kinh con người

và động vật. Những đặc tính quan trọng nhất của mạng thần kinh sinh học được mô

phỏng trong mạng nơ-ron sinh học bao gồm khả năng học kinh nghiệm thông qua huấn

luyện, khả năng lưu trữ thông tin và sử dụng thơng tin này để dự đốn các dữ liệu chưa

biết.



32



Chương 2. Cơ sở lý thuyết



2.3.1 Cấu trúc cơ bản của mạng nơ-ron nhân tạo

2.3.1.1 Cấu trúc của một nơ-ron nhân tạo

Mạng nơ-ron nhân tạo là một mạng lưới các đơn vị xử lý cơ bản được kết nối

lẫn nhau. Mỗi đơn vị xử lý này có khả năng thực hiện một chức năng tính tốn độc lập

và được gọi là một nơ-ron.



Hình 2.4 Cấu tạo nơ-ron nhân tạo



Một nơ-ron bao gồm 3 thành phần chính, đầu tiên là một tập các đầu vào, mỗi

liên kết vào này có một giá trị trọng số quy định tầm quan trọng của chúng. Mộ hàm

tổng hợp được dung để tính tốn giá trị đầu vào, thương được dùng ở dạng tuyến tính.

Và một hàm kích hoạt có chức năng biến đổi kết quả đầu vào thành một dạng đầu ra.



33



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Bảng 2.1 . So sánh giải thuật tiến hoá cơ bản và giải thuật chọn lọc nhân bản

Tải bản đầy đủ ngay(0 tr)

×